Nivel : Avanzado
Frameworks de agentes de IA: comparativa de LangGraph, CrewAI, ADK, Agents SDK…
Por La redacción de Info Agent IA ·
Un framework de agentes de IA aporta la fontanería que conecta un modelo de lenguaje con herramientas, memoria y otros agentes; a 22 de octubre de 2026, las opciones activas más sólidas son LangGraph, CrewAI, Microsoft Agent Framework, Google ADK, el OpenAI Agents SDK, Pydantic AI y Mastra, cada una para un perfil distinto. Antes de compararlas, descarte los proyectos detenidos o sustituidos: AutoGen está archivado, Semantic Kernel se ha convertido en Microsoft Agent Framework y varias plataformas cierran o cambian de nombre.
Qué aporta un framework y cuándo prescindir de él
En esencia, un agente es un bucle: el modelo lee el objetivo, elige una herramienta, recibe el resultado y decide el paso siguiente. Unas decenas de líneas de código bastan para hacerlo funcionar con la API de un proveedor. El framework entra en juego después, cuando el bucle tiene que ser fiable:
- El estado y la recuperación: guardar en qué punto está el agente, reanudar tras un fallo, repetir un paso.
- La memoria: conservar el contexto de una conversación o de un usuario de una sesión a otra.
- La orquestación: encadenar varios pasos o varios agentes, con ramificaciones y bucles.
- Las integraciones: conectores con los proveedores de modelos, compatibilidad con MCP para las herramientas y, cada vez más, con el protocolo A2A para que los agentes dialoguen entre sí.
- El seguimiento: trazas de cada llamada, costes y evaluaciones, lo que se conoce como observabilidad de los LLM.
Si su necesidad se reduce a una tarea y unas pocas herramientas, una plataforma visual puede bastar; nuestro tutorial para crear un agente de IA sin programar explica esa vía. Para la visión de conjunto, del no-code al código, consulte nuestra guía para crear un agente de IA.
Primero, el estado: qué se ha detenido o sustituido
El panorama ha cambiado mucho en 2025 y 2026. Varios nombres muy citados en los tutoriales ya no son opciones razonables para un proyecto nuevo.
La consecuencia práctica: un tutorial de 2024 basado en AutoGen o Semantic Kernel le hará escribir código que tendrá que migrar. Compruebe siempre la fecha de un ejemplo y el estado del proyecto en su ficha.
Comparativa de los frameworks de código activos
Estos son los diez frameworks de código que más se tienen en cuenta, con sus características según sus fichas (tipo, licencia, compatibilidad con MCP, multiagente, nivel necesario):
| Herramienta | Tipo | Licencia | MCP | Multiagente | Nivel |
|---|---|---|---|---|---|
| LangGraph | Código | MIT | Sí | Sí | Avanzado |
| CrewAI | Código | MIT | Sí | Sí | Intermedio |
| Microsoft Agent Framework | Código | MIT | Sí | Sí | Intermedio |
| Google Agent Development Kit (ADK) | Código | Apache-2.0 | Sí | Sí | Intermedio |
| OpenAI Agents SDK | Código | MIT | Sí | Sí | Intermedio |
| Claude Agent SDK | Código | proprietary | Sí | Sí | Intermedio |
| Pydantic AI | Código | MIT | Sí | Sí | Intermedio |
| Mastra | Código | Apache-2.0 | Sí | Sí | Intermedio |
| LlamaIndex | Código | MIT | Sí | Sí | Intermedio |
| smolagents | Código | Apache-2.0 | Sí | Sí | Principiante |
Todos admiten MCP y arquitecturas multiagente. Las diferencias están en otra parte: el lenguaje, el grado de control, la vinculación con un proveedor de modelos y el ecosistema de pago en torno al núcleo de código abierto.
Las fichas, familia por familia
Frameworks basados en grafos: LangGraph y LangChain
LangGraph describe un agente como un grafo: nodos (llamar al modelo, ejecutar una herramienta, pedir una validación) unidos por transiciones, con un estado compartido que se guarda en cada paso. Es el framework más explícito de la lista: usted ve y controla cada camino posible, y puede pausar el agente para una validación humana y luego reanudarlo. La contrapartida es una curva de aprendizaje más pronunciada, de ahí el nivel «avanzado» de su ficha. Licencia MIT, versiones en Python y TypeScript.
LangChain, del mismo fabricante, funciona hoy como capa de alto nivel: sus agentes se construyen sobre LangGraph y aporta una enorme biblioteca de integraciones. La oferta de pago asociada es LangSmith (observabilidad, evaluación, despliegue): plan Developer gratuito y Plus a 39 $ por usuario y mes a 22 de octubre de 2026, con el despliegue facturado según el uso.
¿Para quién? Equipos que construyen agentes largos o críticos, con recuperación ante errores, validación humana y necesidad de auditar cada transición.
Equipos de agentes: CrewAI
CrewAI parte de una metáfora: un equipo («crew») de agentes, cada uno con un rol, un objetivo y herramientas, que se reparten las tareas. Se describe quién hace qué, a menudo en archivos de configuración, y el framework organiza la colaboración; también ofrece «flows» para secuencias más deterministas. Es un framework Python autónomo, independiente de LangChain, compatible con Python 3.10 a 3.13, bajo MIT. La oferta comercial CrewAI AMP añade despliegue gestionado y gobernanza; su plan Basic gratuito está limitado a 50 ejecuciones de workflow al mes.
¿Para quién? Quienes plantean su problema en roles (investigador, redactor, revisor) y quieren un sistema multiagente operativo rápidamente, sin dibujar cada transición.
Los SDK de los grandes proveedores
Microsoft Agent Framework es el sucesor directo de AutoGen y Semantic Kernel, creado por los mismos equipos. La versión 1.0 para Python y .NET salió el 2 de abril de 2026, el SDK para Go está en vista previa pública y la licencia es MIT. Combina los agentes conversacionales de AutoGen con las piezas empresariales de Semantic Kernel, con alojamiento de pago opcional en la nube de Microsoft. Es la elección lógica para un equipo .NET o una empresa en Azure, y el destino de migración de ambos proyectos anteriores.
Google Agent Development Kit (ADK) está disponible en Python, TypeScript, Go y Java, en repositorios separados bajo Apache-2.0. Admite el protocolo A2A y se despliega, como opción de pago, en Google Cloud (Agent Runtime, Cloud Run, GKE). Funciona con modelos distintos de Gemini, pero su integración es más profunda dentro del ecosistema de Google.
OpenAI Agents SDK, sucesor del proyecto experimental Swarm, apuesta por la sencillez: unas pocas primitivas (agentes, herramientas, traspasos entre agentes, salvaguardas) en Python y TypeScript, bajo MIT. El SDK es gratuito; solo se facturan las llamadas a los modelos. También es la vía de migración que propone OpenAI para los workflows de Agent Builder, que cierra el 30 de noviembre de 2026.
Claude Agent SDK, antes Claude Code SDK y renombrado en septiembre de 2025, da acceso al bucle de agente que mueve Claude Code: lectura de archivos, comandos, búsqueda, subagentes. Es gratuito, pero se rige por las condiciones comerciales de Anthropic y solo funciona con los modelos Claude. Muy adecuado para agentes que trabajan con código o archivos; no es el indicado si quiere poder cambiar de proveedor.
En el lado de AWS, Strands Agents (Apache-2.0, Python y TypeScript) cumple un papel parecido, con despliegue natural en Bedrock AgentCore.
¿Para quién? Quienes ya han elegido su proveedor de nube o de modelos: el SDK de la casa reduce fricciones, a cambio de una dependencia mayor.
Frameworks Python ligeros y tipados
Pydantic AI, del equipo de la biblioteca de validación Pydantic, lleva al mundo de los agentes la misma filosofía: entradas y salidas tipadas y validadas, con salida estructurada garantizada. Versión 1.0 en septiembre de 2025, licencia MIT. La oferta de pago no aloja agentes: es Logfire, un servicio de observabilidad (Team a 49 $ al mes, Growth a 249 $ al mes a 22 de octubre de 2026), y la instrumentación OpenTelemetry funciona también con otras herramientas.
smolagents, de Hugging Face (Apache-2.0), es el más accesible de la lista, con nivel «principiante» en su ficha. Su especialidad, CodeAgent, escribe sus acciones como código Python en lugar de llamadas a herramientas en JSON; la ejecución puede aislarse en Docker o en servicios de terceros.
Agno, antes Phidata, ofrece un SDK y un entorno de ejecución (AgentOS) gratuitos, con un plan Pro a 150 $ al mes para conectar su plano de control a un despliegue.
¿Para quién? Desarrolladores Python que quieren escribir código de aplicación normal y comprobable, sin adoptar una arquitectura completa.
El mundo TypeScript: Mastra y Vercel AI SDK
Mastra es un framework TypeScript completo: agentes, workflows, memoria, evaluaciones. Su versión 1.0 salió en enero de 2026. Atención a la licencia doble: el núcleo está bajo Apache-2.0, pero el código de las carpetas ee/ depende de una licencia empresarial para producción.
Vercel AI SDK (Apache-2.0, paquete npm «ai») es más una biblioteca que un framework: una interfaz única hacia muchos proveedores, muy usada en aplicaciones web. Por defecto, las llamadas pasan por Vercel AI Gateway, un servicio distinto y de pago, pero se puede llamar directamente a los proveedores.
¿Para quién? Equipos web y Node.js que quieren mantener una sola pila técnica, del front al back.
Documentos y RAG: LlamaIndex y Haystack
LlamaIndex (MIT) se dio a conocer por la indexación de documentos y sigue orientado a agentes que trabajan sobre datos. La empresa concentra ahora sus esfuerzos en LlamaParse, su plataforma de pago de análisis de documentos, y la versión TypeScript del framework está archivada. Haystack, de deepset (Apache-2.0), publicó su versión 3 en julio de 2026 y apunta a pipelines de búsqueda documental en producción, con una oferta empresarial.
¿Para quién? Proyectos en los que la mayor parte del trabajo consiste en encontrar la información correcta en un corpus antes de razonar sobre ella.
Casos aparte: DSPy y las plataformas en la nube
DSPy (MIT), nacido en Stanford, no se usa como los demás: en lugar de escribir prompts, se describen módulos y métricas, y el framework optimiza los prompts automáticamente. Potente si dispone de datos de evaluación, desconcertante si no; versión 3.0 en agosto de 2025.
Amazon Bedrock AgentCore y Gemini Enterprise Agent Platform no son frameworks en sentido estricto: alojan, protegen y supervisan agentes escritos con el framework que usted elija. Son de pago y de nivel avanzado; conviene plantearlas una vez elegido el framework.
El veredicto: ¿qué framework para quién?
| Su situación | Primera opción que estudiar | Por qué |
|---|---|---|
| Agente largo y crítico, con validaciones humanas | LangGraph | Estado guardado, recuperación, control de cada transición |
| Equipo de agentes por roles, prototipo rápido | CrewAI | Roles y tareas declarativos, multiagente nativo |
| Empresa .NET o Azure, código heredado de AutoGen o Semantic Kernel | Microsoft Agent Framework | Sucesor oficial, Python y .NET |
| Proyecto en Google Cloud, necesidad de A2A | Google ADK | Cuatro lenguajes, despliegue gestionado de Google |
| Agente sencillo con modelos de OpenAI, migración desde Agent Builder | OpenAI Agents SDK | Pocos conceptos, destino de migración oficial |
| Agente que maneja código y archivos, modelos Claude | Claude Agent SDK | Bucle de Claude Code, herramientas de archivos integradas |
| Aplicación Python tipada y comprobable | Pydantic AI | Salidas validadas, código Python normal |
| Pila TypeScript de principio a fin | Mastra o Vercel AI SDK | Framework completo o biblioteca ligera |
| Agentes sobre un gran corpus documental | LlamaIndex o Haystack | Indexación y búsqueda en el núcleo |
| Primera prueba, aprendizaje | smolagents | Pocos conceptos, nivel principiante |
Póngase a prueba Su equipo mantiene un asistente interno escrito con AutoGen en 2024. Funciona. ¿Hay que migrarlo?
Sí, conviene planificarlo. AutoGen está archivado: ya no recibe correcciones de ningún tipo, ni siquiera de seguridad, y Microsoft desaconseja su uso en producción. El destino lógico es Microsoft Agent Framework, creado por el mismo equipo y que retoma sus conceptos. No hace falta romper lo que funciona de un día para otro, pero cualquier vulnerabilidad que aparezca en AutoGen o en sus dependencias seguirá abierta.
Los criterios que de verdad deciden
El lenguaje. Suele ser el primer filtro. En Python hay casi de todo. En TypeScript: LangGraph, Mastra, Vercel AI SDK, OpenAI Agents SDK, Google ADK y Strands. En .NET: Microsoft Agent Framework. En Go y Java: Google ADK, además de Go en vista previa en Microsoft.
La vinculación con un proveedor de modelos. La mayoría de los frameworks admiten varios proveedores. El Claude Agent SDK solo funciona con Claude; los SDK de OpenAI y Google aceptan otros modelos, pero sus funciones más avanzadas están pensadas para su propio ecosistema. Si le importa poder cambiar de modelo, elija un framework neutral.
Los protocolos. Todos los frameworks de la tabla admiten MCP, que permite conectar herramientas estandarizadas; si piensa exponer sus propias herramientas, nuestra guía para crear un servidor MCP explica cómo. A2A, para la comunicación entre agentes, lo impulsan sobre todo Google ADK y BeeAI.
La licencia. MIT y Apache-2.0 dan mucho margen, también para uso comercial. Lea las excepciones: el código empresarial de Mastra y las condiciones comerciales del Claude Agent SDK.
El coste real. El framework es casi siempre gratuito; lo que cuesta son las llamadas a los modelos y, después, el alojamiento y la observabilidad. Un agente que da diez vueltas a una tarea consume diez veces más tokens que una llamada simple.
La capacidad de evaluar. Un framework que facilite las trazas y las pruebas le ahorrará más tiempo que cualquier función espectacular. Nuestra guía para evaluar un agente de IA detalla el método.
Para filtrar y comparar todas las fichas, incluidas las que no se citan aquí (Atomic Agents, BeeAI, CAMEL, Langroid, OpenHands…), use nuestro comparador de frameworks de agentes.
Preguntas frecuentes
¿Cuál es el mejor framework para crear un agente de IA?
No hay uno solo: depende de su lenguaje, de su proveedor de modelos y del grado de control que necesite. LangGraph encaja con flujos complejos con recuperación ante errores, CrewAI con equipos de agentes por roles, Pydantic AI con aplicaciones Python tipadas y Mastra con proyectos TypeScript. Los SDK de OpenAI, Google y Microsoft son la opción natural si ya trabaja con esos proveedores.
¿Conviene seguir usando AutoGen o Semantic Kernel?
No para un proyecto nuevo. AutoGen está archivado y ya no recibe correcciones, ni siquiera de seguridad; Semantic Kernel se ha convertido en Microsoft Agent Framework, y su v1.x se mantiene al menos un año después del lanzamiento de Agent Framework en abril de 2026. Microsoft orienta a los usuarios de ambos hacia Agent Framework.
¿Los frameworks de agentes son gratuitos?
La mayoría son de código abierto y gratuitos, con licencia MIT o Apache-2.0. Se pagan las llamadas a los modelos al proveedor y, en su caso, un servicio de alojamiento u observabilidad, como LangSmith (Plus a 39 dólares por usuario y mes a 22 de octubre de 2026) o Pydantic Logfire. El Claude Agent SDK es gratuito, pero se rige por las condiciones comerciales de Anthropic.
¿Hace falta un framework para crear un agente?
No. Para un agente sencillo bastan unas cuantas llamadas a la API de un modelo con llamada a herramientas, y una plataforma no-code puede cumplir. Un framework resulta útil cuando hay que gestionar el estado, la memoria, varios agentes, la recuperación tras errores o el seguimiento en producción.